به گزارش پایگاه خبری تحلیلی اندیشه قرن،فناوری ذهن خوانی افکار را به متن تبدیل می کند. در یک دستاورد علمی بی سابقه، کارشناسان سیستمی را توسعه داده اند که قادر به خواندن افکار انسان و تبدیل آنها به متن است.

این فناوری توسط مرکز هوش مصنوعی انسان محور GrapheneX-UTS در دانشگاه فناوری سیدنی (UTS) طراحی شده است.

تعامل انسان و ماشین

سیستم قابل حمل و غیر تهاجمی به عنوان یک نقطه عطف قابل توجه است و راه حل های ارتباطی متحول کننده ای را برای افرادی که در شرایطی مانند سکته مغزی یا فلج آسیب دیده اند ارائه می دهد.

با این حال، کاربردهای بالقوه این فناوری ذهن خوانی فراتر از کمک به افراد دارای اختلال گفتار است.

این تحقیق راه را برای تعاملات سیال انسان و ماشین هموار می کند و به طور بالقوه امکان کنترل یکپارچه دستگاه هایی مانند بازوهای بیونیک یا ربات ها را فراهم می کند. این در نهایت می تواند به عصر جدیدی در فناوری کمکی منجر شود.

کاغذ اسپات لایت

این مطالعه پیشگام به رسمیت شناخته شد و به عنوان مقاله برجسته در کنفرانس معتبر NeurIPS در نیواورلئان در 12 دسامبر 2023 معرفی شد. این رویداد به دلیل نمایش آخرین تحقیقات در هوش مصنوعی و یادگیری ماشین مشهور است.

این پروژه توسط پروفسور CT Lin، مدیر مرکز GrapheneX-UTS HAI، با همکاری Yiqun Duan و Jinzhou Zhou، هر دو کاندیدای دکترا در دانشکده مهندسی و فناوری اطلاعات UTS، رهبری شد.

رویکرد مبتنی بر EEG

هسته اصلی این فناوری در توانایی آن برای ثبت و رمزگشایی فعالیت مغز از طریق یک کلاهک الکتروانسفالوگرام (EEG) نهفته است. شرکت کنندگان در این مطالعه در حالی که کلاهک فعالیت الکتریکی مغز آنها را ضبط می کرد، متن ها را در سکوت می خواندند.

سپس این داده‌های EEG توسط یک مدل هوش مصنوعی به نام DeWave، ساخته‌شده از تیم UTS، پردازش می‌شوند. DeWave خود را با ترجمه سیگنال های EEG به کلمات و جملات منسجم و یادگیری از مجموعه داده های گسترده EEG متمایز می کند.
تلاش پیشگام

پروفسور لین گفت: “این تحقیق نشان دهنده تلاشی پیشگام در ترجمه امواج خام EEG به طور مستقیم به زبان است که پیشرفت قابل توجهی را در این زمینه رقم می زند.”

این اولین کسی است که تکنیک‌های رمزگذاری گسسته را در فرآیند ترجمه مغز به متن ترکیب می‌کند و رویکردی نوآورانه برای رمزگشایی عصبی ارائه می‌کند. ادغام با مدل‌های بزرگ زبان، مرزهای جدیدی را در علوم اعصاب و هوش مصنوعی باز می‌کند.»
گامی فراتر از فناوری های موجود

روش‌های کنونی برای ترجمه سیگنال‌های مغز به زبان، مانند Neuralink ایلان ماسک، به روش‌های تهاجمی یا تجهیزات حجیم و گران‌قیمت مانند دستگاه‌های MRI نیاز دارند.

این روش ها اغلب به کمک های اضافی مانند ردیابی چشم تکیه می کنند که عملی بودن آنها را محدود می کند. با این حال، نوآوری UTS با یا بدون ردیابی چشم عمل می کند و آن را همه کاره تر و کاربرپسندتر می کند.

تطبیق پذیری بی سابقه

این تحقیق که با 29 شرکت‌کننده انجام شد، در مقایسه با فناوری‌های قبلی که روی افراد کمتری آزمایش شده بود، استحکام و سازگاری بیشتری را نوید می‌دهد.

فناوری UTS دارای مزیت قابل توجهی در تطبیق پذیری آن است، زیرا امواج EEG در بین افراد متفاوت است.

نتایج معنادار

این مدل در تطبیق افعال مهارت بیشتری نسبت به اسم ها دارد. با این حال، وقتی صحبت از اسم ها می شود، ما تمایل به جفت های مترادف را به جای ترجمه های دقیق، مانند «مرد» به جای «نویسنده» دیدیم.

ما فکر می کنیم این به این دلیل است که وقتی مغز این کلمات را پردازش می کند، کلمات مشابه معنایی ممکن است الگوهای امواج مغزی مشابهی ایجاد کنند. علی‌رغم چالش‌ها، مدل ما نتایج معنی‌داری به دست می‌دهد، کلمات کلیدی را تراز می‌کند و ساختار جمله‌ای مشابه را تشکیل می‌دهد.»

پتانسیل آینده

در حالی که فناوری ذهن خوانی در حال حاضر در تطبیق افعال بیشتر از اسم ها برتری دارد، توانایی چشمگیری در تراز کردن کلمات کلیدی و تشکیل ساختارهای منسجم جمله نشان می دهد.

دقت ترجمه فعلی حدود 40 درصد در مقیاس BLEU-1 است، با آرزوی دستیابی به اثربخشی ترجمه زبان سنتی یا سیستم‌های تشخیص گفتار که حدود 90 درصد شناور هستند.

این تحقیق بر روی فناوری رابط مغز و رایانه قبلی توسعه یافته توسط UTS در ارتباط با نیروی دفاعی استرالیا که از امواج مغزی برای فرمان دادن به یک ربات چهارپا استفاده می کند، گسترش می دهد.

پایان/*

اندیشه قرن را در تلگرام دنیال کنید